点云显著目标检测
计算机视觉与模式识别
2022-07-26 v1
摘要
本文研究尚未被探索的任务——点云显著目标检测（SOD）。与图像 SOD 不同，我们发现点云的注意力转移可能引发显著性冲突，即一个物体矛盾地同时属于显著与非显著类别。为避免此问题，我们提出一种新颖的依赖于视角的显著物体定义，合理反映点云场景中最引人注目的物体。遵循该定义，我们引入 PCSOD，这是首个为点云 SOD 提出的数据集，包含 2,872 个室内/室外 3D 视角。我们数据集中的样本带有层次化标注，例如超类/子类、边界框与分割图，这赋予了数据集卓越的泛化性与广泛适用性，可验证各种猜想。为证明我们方案的可行性，我们进一步贡献了一个基线模型并基准测试了五个代表性模型以进行全面比较。所提模型能有效分析不规则且无序的点以检测显著物体。得益于融入针对该任务的设计，我们的方法相对于其他基线展现出可见的优越性，产生更令人满意的结果。大量实验与讨论揭示了该研究领域的前景潜力，为进一步研究铺平道路。
引用
@article{arxiv.2207.11889,
title = {Salient Object Detection for Point Clouds},
author = {Songlin Fan and Wei Gao and Ge Li},
journal= {arXiv preprint arXiv:2207.11889},
year = {2022}
}
备注
Accepted to ECCV 2022. Project Page: https://git.openi.org.cn/OpenPointCloud/PCSOD